La tecnologia impara la lingua dell’utente
L’intelligenza artificiale che progetta interfacce: come Genuin semplifica l’esperienza utente
Sara Strizzolo
12 Ottobre 2025
Il modello tradizionale di interazione uomo-macchina ha sempre imposto all'utente un carico cognitivo significativo: l'apprendimento di interfacce, comandi e procedure specifiche. Questo si traduce in ore di formazione e corsi di aggiornamento per padroneggiare nuove funzionalità o programmi. Che si tratti di una nuova apparecchiatura in una cucina professionale, di un macchinario laser in un centro estetico o di un impianto industriale, è sempre stato l'uomo a doversi adattare alla tecnologia, dedicando tempo e risorse per sfruttare al meglio il proprio investimento.
La visione alla base di Genuin parte da un presupposto opposto. Le aziende e gli utenti finali non hanno il tempo, né le risorse, da dedicare a una formazione continua. Questo problema è ancora più evidente in settori come l'Horeca, caratterizzati da un turnover del personale elevato, dove è insostenibile ripetere una formazione completa per ogni nuovo dipendente che potrebbe lasciare l'azienda dopo pochi mesi.
Per questo, l'obiettivo di Genuin è ribaltare il paradigma: rendere la macchina capace di dialogare con l’utente utilizzando il suo stesso linguaggio. È quindi la macchina stessa che deve comprendere le sue esigenze e guidarlo verso l’utilizzo ottimale.
In questo modo, l'interazione viene completamente capovolta. Non è più l'uomo a dover decifrare la complessità della macchina, ma è la macchina stessa a nascondere tale complessità dietro un'interfaccia semplice, diretta e immediata, mettendosi al servizio dell'utente.
Il processo tradizionale per lo sviluppo di un’interfaccia
Il tradizionale processo di sviluppo delle interfacce utente varia molto in termini di tempistiche, ma dalle prime ricerche del team tecnico al lancio sul mercato si può stimare un arco di almeno 12-24 mesi, con una fase di progettazione che può occupare fino a 8 mesi, inclusi test e iterazioni.
Il percorso tradizionale prevede infatti una prima fase di ricerca e analisi dell’utente (tipo di interazione e il contesto di utilizzo), la definizione del flusso di navigazione fino ad arrivare alla realizzazione degli elementi visivi da parte dei designer.
È qui che quindi entra in gioco lo sviluppo software, ovvero l’integrazione del design con l’hardware. Seguono test di validazione per convalidare l’usabilità e l'affidabilità dei primi prototipi pilota, ma solo in una fase avanzata un gruppo ristretto di utenti esterni testa il prodotto, fornendo i primi veri riscontri dal mercato.
Questo approccio presenta diversi problemi significativi che ne minano l'efficacia.
Corrispondenza con le esigenze degli utenti: Spesso i requisiti iniziali sono incompleti o poco chiari. Di conseguenza, le nuove funzionalità sviluppate non vengono comprese o utilizzate. Il risultato è che il 40-60% delle nuove feature rimane completamente inutilizzato.
Difficoltà di Bilanciamento: Trovare un equilibrio tra un'ampia gamma di funzionalità e la semplicità d'uso è complesso. Un'interfaccia troppo ricca può confondere l'utente medio e aumentare la probabilità che le funzioni non vengano comprese.
Rigidità e lentezza: I modelli di sviluppo tradizionali, come quello a cascata (waterfall), sono per loro natura poco flessibili. Introdurre modifiche dopo le prime fasi di sviluppo è difficile e costoso, rallentando l'intero processo con passaggi burocratici.
Barriere all'adozione: Gli utenti mostrano spesso una naturale inerzia cognitiva, preferendo interfacce e modalità d'uso a cui sono già abituati. Questa resistenza al cambiamento rende difficile l'adozione di soluzioni innovative.
In contrapposizione a questo modello, Genuin, attraverso il
Motore di Composizione Generativa (MCG) supera le criticità del processo tradizionale, creando
interfacce personalizzate in tempo reale. La sua caratteristica principale è la capacità di adattare dinamicamente l'aspetto e il comportamento dell'interfaccia in base al singolo utente, al contesto specifico di utilizzo e alle sue necessità.
Dal linguaggio naturale all'interfaccia dinamica. Il funzionamento del MCG
Il Motore di Composizione Generativa (MCG) agisce come un traduttore e un architetto generando un’interfaccia personalizzata per ogni tipo di utente, che sia un tecnico esperto, un operatore alle prime armi o una figura manageriale di business, interessata maggiormente ad analisi e insight di utilizzo.
La generazione della risposta da parte di Genuin si sviluppa da un'architettura AI a più livelli che agisce in 3 fasi:
- Interpretazione (LLM): Un modello linguistico avanzato (LLM) interpreta la richiesta in linguaggio naturale dell'utente. Ne comprende l'intento e il contesto, per poi generare una configurazione logica dell’interfaccia, ovvero un vero e proprio blueprint dell'interfaccia necessaria.
- Composizione (Backend): Questo blueprint passa al cuore del sistema nel backend. Ad ogni interazione, il sistema estrae parametri chiave dalla conversazione (es. tipo di utente, contesto d'uso, funzioni attive della macchina, macchine associate all’utente). Sulla base di queste informazioni, il motore di composizione generativa costruisce una struttura gerarchica e modulare per il layout, selezionando i componenti grafici più adatti (widget).
- Generazione (Frontend): Il backend comunica questa struttura al frontend, che ha il compito di renderizzare graficamente l'interfaccia finale, presentandola all'utente seguendo regole di usabilità, coerenza visiva e chiarezza funzionale.
Per rendere possibile questa generazione dinamica, l'architettura si basa su elementi modulari chiamati widget, ovvero componenti grafici predefiniti (come grafici, pulsanti, tabelle, template), ciascuno dotato di un nome e di una descrizione semantica.
Il MCG analizza quindi la descrizione di ciascuno per identificare quello che risponde meglio all'esigenza specifica dell'utente in quel preciso momento.
Questo approccio accelera notevolmente i tempi di sviluppo e garantisce
uniformità e scalabilità: un aggiornamento di design o una nuova funzionalità possono infatti essere distribuiti istantaneamente a tutto il sistema, senza interventi manuali.
La comprensione dell'utente
Sebbene un modello linguistico (LLM) sia fondamentale per l'interpretazione e comprensione iniziale dell'intento dell'utente, l’elemento innovativo di Genuin si attiva nel momento in cui la richiesta viene tradotta in una specifica interfaccia grafica.
Laddove l'interazione con i sistemi AI tradizionali si ferma al testo, si pensi alle nostre conversazioni con ChatGPT o Claude, Genuin la trasforma in un'esperienza visiva e funzionale.
Questo flusso è governato da un'architettura tecnologica profondamente integrata. Invece di affidarsi a un unico LLM, il sistema impiega una pipeline AI configurata che prima identifica l'intento generico dell'utente e poi lo combina con le "skill" specifiche dell'assistente DiChef, l’applicazione di Genuin al foodservice, garantendo una risposta pertinente, funzionale alle reali capacità del sistema ed eseguibile.
Una volta definito "cosa" fare, il focus si sposta sulla visualizzazione: attraverso tecniche di prompt engineering avanzato, il LLM viene guidato alla generazione di una configurazione strutturata, che agisce come un vero e proprio blueprint digitale per l'interfaccia utente.
È il backend, quindi, che gestisce il processo dall'acquisizione degli input, dai comandi vocali ai dati dei sensori IoT, fino alla costruzione automatica dell'interfaccia, assicurando così un'esperienza finale fluida e perfettamente contestuale.
Creare assistenti in linguaggio naturale attraverso un editor no-code
A rendere Genuin e DiChef accessibili anche a chi non ha competenze di programmazione è Genuin Editor. Attraverso un'interfaccia web in cloud, l'utente può configurare un assistente e attivare integrazioni con sistemi esterni usando unicamente il linguaggio naturale.
L'utente descrive la funzionalità desiderata in chat e il sistema genera automaticamente la logica operativa, la "skill" e l'interfaccia grafica corrispondente. Le capacità di ogni assistente poggiano infatti su due pilastri fondamentali: le skills, che definiscono le sue aree di competenza e le azioni che può compiere, e la knowledge base, che costituisce il suo bagaglio di informazioni.
Per semplificare il flusso, la configurazione di una skill viene definita secondo un processo collaborativo e iterativo. Il LLM infatti, attraverso una chat, guida attivamente l'utente a raffinare la richiesta, assicurando che la skill disponga di tutti i requisiti per essere pienamente operativa sulla macchina.
Le capacità dell’assistente possono essere potenziate grazie all’integrazione con software esterni che ne estende notevolmente gli scenari di utilizzo. In questo caso l’assistente viene quindi abilitato ad eseguire operazioni complesse e ad accedere a dati e informazioni esterne provenienti da sistemi come:
- Piattaforme IoT (es. Things5)
- Sistemi gestionali per ordini e magazzino
- Servizi di posta elettronica
- Macchine connesse per avviare automazioni e ricette.
L'accesso all'assistente è potenzialmente flessibile: gli utenti possono utilizzare l'app nativa, Genuin App, per dialogare con assistenti come DiChef, messi a disposizione dal costruttore, oppure interagire direttamente con la macchina o con l'applicazione del brand, attraverso un SDK integrato.
Un nuovo equilibrio tra esperienza e valore
L’evoluzione di Genuin rappresenta un cambio di paradigma nella progettazione delle interfacce. Per la prima volta infatti la macchina non chiede di essere compresa, ma sceglie di comprendere mettendosi al servizio dell’esperienza dell’utente.
Per gli utenti, significa interfacce adattive e dinamiche che semplificano i processi complessi rendendo ogni interazione immediata, fluida e intuitiva. Le interfacce infatti non sono più progettate per un utente ideale, ma create su misura per ogni utente reale, adattandosi al suo linguaggio, al suo contesto e ai suoi obiettivi.
Per i costruttori, invece, rappresenta una trasformazione profonda del modello di progettazione e sviluppo: l’investimento non è più nella creazione di singole schermate o funzionalità statiche, ma nella costruzione di una libreria di componenti intelligenti (widget) in grado di generare valore nel tempo.
Questa architettura consente controllo, efficienza e coerenza: controllo perché l’AI opera entro confini validati e sicuri; efficienza perché riduce drasticamente tempi e costi di sviluppo; coerenza perché tutte le interfacce, su ogni linea di prodotto, mantengono un’identità visiva e funzionale unificata.
Ecco che la vera innovazione nasconde la complessità tecnologica dietro un’esperienza semplice e intelligente, dove l’uomo e la macchina collaborano in modo naturale.
Progetto finanziato dall’Unione europea – Next Generation EU
